感谢每一个认真阅读我文章的人，看着粉丝一路的上涨和关注，礼尚往来总是要有的：
① 2000多本Python电子书（主流和经典的书籍应该都有了）
② Python标准库资料（最全中文版）
③ 项目源码（四五十个有趣且经典的练手项目及源码）
④ Python基础入门、爬虫、web开发、大数据分析方面的视频（适合小白学习）
⑤ Python学习路线图（告别不入流的学习）
网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。
需要这份系统化学习资料的朋友，可以戳这里获取
一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
在输入状态下，需要节省用户的输入时间，快速进入搜索结果页。
所以需要有如下功能：
（1）搜索词匹配：
比如：输入英文“hah”可以转换成中文“哈哈”，并且识别出我的关键词是哈哈哈。搜索建议功能是满足用户只记得部分关键词等的模糊搜索场景，这一个部分主要是技术同学主R的～
PM更加注意在交互和视觉上进行命中态和非命中态的区分，比如：上文中的“hah”就应该展示成命中态。另外如果搜索词完全命中和部份命中，也应该在样式上进行区分。
（2）帮助用户快速定位搜索词
- 提供搜索词相关的信息：比如显示搜索结果数量、商品数量等。
- 搜索结果信息前置从而缩小结果范围： 比如搜索词属性、标签等。
3、“搜索结果页”设计逻辑
消费者购买决策5阶段模型
在介绍搜索结果页之前，我们来看下知识点，消费者购买决策5阶段模型（谁的小眼睛还没有看老师丷哈～）：
- 问题认知：天气热了，看到同事穿了条破洞牛仔裤，小王看了看自己裤子有点low，那想就换一条吧。
- 信息搜索：小王为了买裤子，看了各种裤子，黄色、白色、大牌的、便宜的。
- 方案评估：经过对比，小王觉得裤子A、B、C不错。
- 购买决策：考虑到工资还没发，房贷还没还，小王选择了最便宜的C裤子。
- 购后行为：C裤子收货之后，特别好看，不穿很平凡穿上吴亦凡～小王将裤子推荐给小李，并给商家一个五星好评，赞赞赞。
在搜索结果页中，主要帮助用户完成决策模型中的2、3、4三个阶段（哦呼，任务有点重呢）
那应该如何做呢？
要点一：信息搜索——用户使用的是中心路径还是边陲路径呢？
- 中心线索（中心路径）：与目标直接相关的线索，一般基于判断分析。比如：手机的中心线索是CPU主频、屏幕大小、轻薄程度、外观如何……通过此路径的态度转变和思考有关。消费者对最重要的产品和服务信息，认真分析和思考。在消费者有充分的动机、能力和机会时，才会使用中央路径。
- 外周线索（边陲路径）：和目标无关，但是可能带来间接证明。比如：手机的外周线索是哪个国家产的呀、谁代言的、买的人多不多等等。通过此路径的态度转变和思考无关。
所以我们知道，用户在进行信息汇总的时候，有两种方式：一种是中心线索，一种是外周线索。
采用哪种方式，和用户的画像、动机、购买的品类是有很大关系的～比如：一个女性顾客在购买手机时候，可能更加偏向于外周线索，如：谁代言的、谁在用、外形好不好看等。而并不会去仔细研究一个手机的各种复杂的参数。
这就要求PM在设计搜索结果页的时候，要同时兼顾到用户的中心路径还有边陲路径，并且根据不同的品类，进行两个路径的权重分配。
所以可以知道，搜索其实是一个精细化运营的事情，不同品类的决策方式会有差别。
那回到搜索结果页的设计上，有哪些通用的方法论么？
（1）信息广度：商品的数量、召回准确度
用户输入一个query，召回的商品准确性，是一个技术指标，需要推动技术从策略上进行不断优化。除此之外，在场景上，也有扩充信息广度的方法。
1）搜索无结果情况
- 混合词：“啦啦啦啦啦啦啦连衣裙”就是一个无结果的搜索词。针对这样的搜索词可以进行拆词处理，拆解出有意义的“连衣裙”，并在搜索结果展示“连衣裙”的商品。
- 错误词：“链衣群”就是一个意图明确，但是输入错误的词，需要联合技术团队进行纠错处理。纠正道正确的“连衣裙”。
- 无网络情况…
2）搜索结果过少情况
- 结果不足：增加“你是不是要找”模块，帮助用户进行关联搜索。
- 缺货、断货…
总之，定位到各种无结果／少结果的情况，进行信息广度的扩充。
（2）信息优先级：商品排列顺序
在搜索信息页中可以承载了很多模块，比如：商家广告、推荐模块。所以搜索页的信息架构很关键。
1）信息直达：分析用户意图，给用户快速通道
信息直达是指可以分析出用户的意图，并给出快捷入口。比如：用户搜索“魔鬼经济学”，如果通过数据分析，绝大多数搜索这个词的用户都是购买“魔鬼经济学1～3”套装书，而不是某一本书的话，那就可以直接在顶部增加一个信息直达模块。
或者用户输入某一个品牌名“小米”，这个时候其实用户的意图是看“小米”这个品牌下的所有商品。所以，如果有一个品牌直达模块，会让用户更佳快速的找到结果。
2）广告、推荐：和广告部门、推荐部门联动
电商中广告、推荐的策略分别有相应的部门负责。一般和搜索产品线合作的方式是：搜索产品线负责人预留对应的广告位feed和推荐位feed，广告部门和推荐部门为feed内的策略和结果负责。
3）大促流量承接
包含促销营销位的展示、优惠券的领取、促销快速搜索等……这些模块都是凌驾在单品feed之上的。
（3）信息聚合维度：商品汇总的维度
搜索的目的是获得信息，所以不应该只禁锢在搜索就是为了获得商品维度。可以在电商的搜索功能中集成店铺聚合、内容聚合、商品聚合等方式……此处有点复杂，不过多赘叙。
（4）信息内容：每一个单品展示的信息
商品的信息是指搜索结果页中的每一个feed中承载的信息。
一般包含如下：
- 商品的基本信息：商品名称、商品图片、商品价格…
- 商品的性质：促销标签，状态信息（是否有货，是否库存紧张）、折扣优惠…
- 商品个性化信息：收藏过、最近浏览过、购买过等标签…
这里注意到，不同品类的中心线索是不同的。比如：衣服的中心线索是商品图片，也就是样式，而一本图书的中心线索却绝对不是图片。所以我们可以看到：一般服装的默认样式是大图样式，而图书的默认样式是小图样式。
商品feed展示的区域有限，所以每一信息的展示都是应该经过仔细甄别的。比如：促销标签等。
要点二：方案评估——用户是使用补偿性评估还是非补偿性评估呢？
补偿性评估：浏览一个商品，再看下一个商品，对每个商品建立一个大致的心理打分。这意味着商品的属性优势劣势可以相互补偿：这个手机，CPU不行，但是新功能镜头不错。
非补偿性评估：先找到想要的属性，然后拿属性去筛选商品。
- 连接性捷思法：为不同属性选择一个最低标准，所有属性都通过这个最低标准为第一选择；
- 词典捷思法：选择最重要的属性得分最高的；
- 问题排除捷思法：根据改了选择的属性比较不同品牌，其中一项属性被选到的概率及其重要性是正相关的关系。如果其属性无法大搞最低要求，就排出了。比如：只看5.5英寸的手机，不符合的直接杀掉。
8分钟相亲，就是一场补偿性评估。一个下午，基本可以看20多个姑娘。最后你约会的对象，是20个人相比较中那个综合评分比较高的那个，这个是补偿性评估。
而非补偿性评估是指，你有某些标准，比如：女朋友必须1米8大长腿，符合要求才行，不符合不行，这是非补偿性评估。
在搜索结果页，用户的补偿性评估主要依赖于上面的“要点一”，也就是信息的广度、维度等。下面我们来说下，如何帮助用户进行非补偿性评估？
排序功能：默认排序，销量排序，价格排序，好评排序，最新排序……
筛选功能：
- 价格：价格区间，价格带…
- 服务&折扣：自营，有货…
- 商品属性：发货地，品牌，包装，长度，尺码，颜色、分类等…
筛选功能是一个搜小商品集的方式，所以可以根据用户的特性减少样本集。比如：自动筛选有货商品、自动定位用户的收获地点等等。
另外，从广泛的筛选项中移出几项进行快速筛选，也是筛选优化的方式。
要点三：购买决策——用户的决策成本有哪些呢？
- 消费者成本（金钱）－产品属性（价格） ：降价促销；
- 消费者成本（做决定）－产品属性（选择便利） ：减少品类；
- 消费者成本（购买行为）－产品属性（购买便利） ：渠道策略；
- 消费者成本（学会使用）－产品属性（产品易用性） ：提高易用性。
在搜索结果页用户的决策有多种：
- 查看单品详细信息：点击单品，进入单品页；
- 直接加入购物车：点击加入购物车按钮，添加到购物车；
- 收藏商品：点击收藏按钮，添加到心愿单；
- 找相似／找同款；
- ……
这里要注意到决策的转移，这里以“加入购物车”按钮为例。
现在市面上有两种模式，第一种模式是在搜索结果页没有“加入购物车”按钮，第二种模式是搜索结果页中有“加入购物车”按钮。
如果按照普通思维，原来用户需要在单品页中加入购物车，现在我把这个按钮提出来了，不是会更加方便用户么？
错！我们分析一个细节问题的时候，一定不要站在细节看细节。应该跳出来，从全局的角度来看，比如：这个问题就应该从整体转化率的角度来看。
首先我们看下下图对比，可以看到在模式二，也就是有加购按钮的模式下，整体的使用步骤并没有减少。因为用户加入购物车后，还是会在购物车中进入单品页进行详细信息查看，才能完成购买行为。
所以我们可以得到两点认知：
- 模式2 适合那些单品信息不丰富的产品。比如：生鲜、商超品类，用户可以根据简单的信息作出购买决策。否则，模式1和模式2的用户使用路径没有区别。
- 相比之下，模式2将用户的决策点后置。也就是模式2下，用户在购物车进行统一决策。模式1下，用户的决策点是分散的。从系统性思考的角度来看，模式一和模式二相比，变化的已经不是单一的元素，而是元素之间的连接（可具体百度下系统思考的文章），此种情况下两者的收益无法用单一的数据考量。
如果你也是看准了Python，想自学Python，在这里为大家准备了丰厚的免费学习大礼包，带大家一起学习，给大家剖析Python兼职、就业行情前景的这些事儿。
一、Python所有方向的学习路线
Python所有方向路线就是把Python常用的技术点做整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。
二、学习软件
工欲善其必先利其器。学习Python常用的开发软件都在这里了，给大家节省了很多时间。
三、全套PDF电子书
书籍的好处就在于权威和体系健全，刚开始学习的时候你可以只看视频或者听某个人讲课，但等你学完之后，你觉得你掌握了，这时候建议还是得去看一下书籍，看权威技术书籍也是每个程序员必经之路。
四、入门学习视频
我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。
四、实战案例
光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。
五、面试资料
我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。
成为一个Python程序员专家或许需要花费数年时间，但是打下坚实的基础只要几周就可以，如果你按照我提供的学习路线以及资料有意识地去实践，你就有很大可能成功！
最后祝你好运！！！
网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。
需要这份系统化学习资料的朋友，可以戳这里获取